Spelling suggestions: "subject:"genetisch"" "subject:"genetische""
21 |
Lokal sökalgoritm för initiering av den genetiska populationen i ett praktiskt "vehicle routing"-problem.Persson, Lars January 2009 (has links)
Befintliga studier har påvisat att genetiska algoritmer presterar bättre om de ges en bra startpopulation. I denna rapport presenteras en lokal sökalgoritm för att skapa en population med fokus på ”vehicle routing”-problem. Algoritmen använder sig av heuristik i en blandning av simulated annealing och tabu search för att skapa individerna till populationen. Utvärderingar av algoritmen på ett praktiskt problem visar att den ger en bra start jämfört med en slumpmässig startpopulation, vilket är vanligt att använda. Resultaten av utvärderingen visar också att algoritmen ger bäst resultat vid mer komplexa problem, medan den har mindre effekt om problemet är enklare. Nyckelord: Simulated annealing, Tabu search, Genetiska algoritmer , ”vehicle routing”-problem.
|
22 |
Evolution av modulära neuronnät för styrning av en mobil robotCarlsson, Johan January 1999 (has links)
I dagens utveckling av robotkontrollers så finner vi olika synsätt på hur vi ska angripa problemen som en robot ställs inför. Det här arbetet koncentrerar sig på artificiella neurala nät (ANN) och evolution med genetiska algoritmer och en fokusering sker på en speciell arkitektur av ANN som Stefano Nolfi presenterat. Rapporten kan ses som en fortsättning på Nolfis arbete och behandlar extensioner av fenomenet "spontan modularitet" som Nolfi beskriver. Det testproblem som används består i att utveckla ett kontrollsystem för en skräpsamlande robot. Detta arbete baseras på experiment runt detta problem med arkitekturer, vilka baseras på Nolfis spontana modularitet. Vi testar hur arkitekturerna påverkas av interna och återkopplade noder. Resultaten visar på att en spontan modularitet inte tycks påverkas positivt av återkopplade eller interna noder.
|
23 |
Evolution av målsökande och flyende boidsKloo, Ingela January 2012 (has links)
Detta arbete använder genetiska algoritmer för att få fram ANN hos boids utifrån två uppsättningar regler och jämför de resulterande beteendena med varandra. Boids är simulerade fåglar i en fågelflock som var för sig styrs med enkla regler men som tillsammans bildar ett flockbeteende. Genetiska algoritmer liknar naturens evolution. En population vars egenskaper kodas på ett genom blir bättre på de egenskaperna genom att de bästa individerna väljs ut och får utvecklas mer medans de sämre rensas bort. ANN står för artificiella neurala närvek och ska likna biologiska neurala nätverk och ska med andra ord fungera som en hjärna. Boids följer normalt tre regler. Centrering, hastighetsmatchning och undviker kollisioner. Detta arbete undersöker om boids beter sig mer naturligt om de även måste leta mat och undvika fiender. Det undersöker också en metod för att objektivt kunna mäta naturlighet.
|
24 |
Artificiell intelligens - ANN och evolution i shooterspelAkterhall, Joakim January 2012 (has links)
Detta arbete undersöker hur två olika nätverksarkitekturer för artificiella neurala nätverk fungerar i en testmiljö av shooter-karaktär. De två arkitekturer som undersöks är ett feedforward-nätverk samt ett elman-nätverk som tränas med hjälp av evolutionära algoritmer. Skillnaden på de två valda nätverksarkitekturerna är att det sistnämnda har ett korttidsminne. Resultaten visar att det i den testmiljö som använts inte är någon skillnad på de två nätverksarkitekturerna, utan de uppnår i princip samma resultat. Dock så har de beteenden som nätverken uppnått visat på att det är möjligt att använda agenter som är skapade av artificiella neurala nätverk i ett shooter-spel och att de kan generera bra resultat. Något som inte fokuserats på i detta arbete men som skulle vara intressant att kolla vidare på, är till exempel förändring av storleken på nätverken eller att undersöka om ett långtidsminne på det rekurrenta nätverket hade förändrat resultatet.
|
25 |
Medhjälpar-AI i spel : Skapande av en dynamiskt anpassningsbar AI i spel med hjälp av en genetisk algoritmWahlstrand, Louise January 2012 (has links)
Medhjälpar-AI blir allt mer vanligt i dagens spel och främst används de som substitut till en mänsklig spelare i spel med olika typer av samarbetslägen. Det finns med andra ord ett behov att utforska detta område, både när det gäller olika AI-tekniker och metoder för förbättring av hur medhjälpar-AI:n upplevs. Genetiska algoritmer är en AI-teknik som simulerar evolution, vilket är användbart i flera områden. Det här arbetet undersöker om genetiska algoritmer kan fungera som basis till en medhjälpar-AI som anpassar sig efter spelarens prestation i realtid. Experimentmiljön som används är ett enkelt actionspel, där en spelare tillsammans med medhjälpare ska samla poäng. Beroende på en medhjälpares poäng i förhållande till spelaren, ändrar medhjälparen skicklighetsnivå dynamiskt under spelets gång. Utvärderingen visar att genetiska algoritmer fungerar bra som utgångspunkt till ändamålet. Med andra ord visar arbetet att genetiska algoritmer har god potential att fungera bra som grundstruktur för mer avancerad medhjälpar-AI.
|
26 |
Skillnaden mellan belöningsbaserade och exempelbaserade artificiella neurala nätverk i en 2D-miljö / A comparison of training artificial neural networks with backpropagation and genetic algorithms in a 2D-environmentPressdee Langré, Sean January 2015 (has links)
Detta arbete går ut på att testa hur två olika träningsmetoder påverkar hur ett artificiellt neuralt nätverk (ANN) presterar i en 2d spelmiljö. Ett belöningsbaserat nätverk som använder genetiska algoritmer har jämförts mot ett exempelbaserat nätverk som använder backpropagation. För att göra detta möjligt att testa så behövde fyra delsteg genomföras. Dessa är utveckling av belöningsbaserad ANN, utveckling av exempelbaserad ANN, utveckling av testmiljö och evaluering av resultat. Resultaten visar att agenten belöningsbaserat nätverk har presterat bättre i det flesta testen men även att den varit mer slumpmässig. Det finns dock undantag där den agenten med exempelbaserat nätverk har varit bättre. Slutsatsen är att efter detta experiment rekommenderas en agent med belöningsbaserat nätverk över en med exempelbaserat men att detta inte är någon garanti för att få optimala resultat. Ett framtida arbete som hade varit intressant är att fokusera på endast en algoritm och se hur träning och skillnader på olika nätverksarkitekturer hade påverkat den.
|
27 |
Evolution av värden i en sokastisk tillståndsmaskin : Kan evolution underlätta för att finns lämpliga värden åt en sokastisk tillståndsmaskin hos en agent? / Evolution of values in a stochastic finite-state machine : Is it possible to use evolution to find suitable values for a stochastic finite-state machine used by an agent?Andersson, Simon January 2013 (has links)
Evolution och tillståndsmaskiner är kända koncept inom både AI-forskning och spelindustrin. Tillståndsmaskiner har länge använts för att simulera artificella motståndare, samtidigt som evolution i många fall applicerats för att få agenter att själva upptäcka bra lösningar på problem. Arbetet använder sig av evolution för att undersöka om det går att evolvera fram bättre tillståndsövergångar i en stokastisk tillståndsmaskin än hos en fördefinierad tillståndsmaskin. Två homogena lag med två agenter vardera skapas, vilka tävlar på en arena där det går ut på att döda det andra laget först. Det ena laget delar en ständigt evolverande beteendemall medan det andra laget består av fördefinierade agenter, på så sätt att de har bedömts som duktiga på att spela spelet. De evolverande lagets framgång mäts i hur mycket hälsa de har kvar när en match är över. Utvärderingen visar en klar förbättring från 3% till 25% vinstchans hos en agent som startar med helt slumpade övergångsvärden och sedan evolverar dessa i 230 generationer emot en godtyckligt vald fördefinierad agent.
|
28 |
Evolution av värden i en sokastisk tillståndsmaskin : Kan evolution underlätta för att finna lämpliga värden åt en sokastisk tillståndsmaskin hos en agent? / Evolution of values in a stochastic finite-state machine : Is it possible to use evolution to find suitable values for a stochastic finite-state machine used by an agent?Andersson, Simon January 2013 (has links)
Evolution och tillståndsmaskiner är kända koncept inom både AI-forskning och spelindustrin. Tillståndsmaskiner har länge använts för att simulera artificella motståndare, samtidigt som evolution i många fall applicerats för att få agenter att själva upptäcka bra lösningar på problem. Arbetet använder sig av evolution för att undersöka om det går att evolvera fram bättre tillståndsövergångar i en stokastisk tillståndsmaskin än hos en fördefinierad tillståndsmaskin. Två homogena lag med två agenter vardera skapas, vilka tävlar på en arena där det går ut på att döda det andra laget först. Det ena laget delar en ständigt evolverande beteendemall medan det andra laget består av fördefinierade agenter, på så sätt att de har bedömts som duktiga på att spela spelet. De evolverande lagets framgång mäts i hur mycket hälsa de har kvar när en match är över. Utvärderingen visar en klar förbättring från 3% till 25% vinstchans hos en agent som startar med helt slumpade övergångsvärden och sedan evolverar dessa i 230 generationer emot en godtyckligt vald fördefinierad agent.
|
29 |
SAMEVOLUTION AV ARTIFICIELLT NEURALT NÄTVERK FÖR ATT EVALUERA SPELTILLSTÅND / COEVOLUTION OF ARTIFICIAL NEURAL NETWORK TO EVALUATE GAMESTATENorberg, David January 2014 (has links)
Detta arbete undersöker två tekniker för att evaluera spelplanen i minimaxalgoritmen. Den tekniken som fokuseras mest på i arbetet är ett artificiellt neuralt nätverk som evolveras med hjälp av samevolution. Tekniken är utformad för att inte behöva någon tidigare mänsklig expertis. Den andra tekniken använder heuristiker och mänsklig expertis för att få fram evalueringsfunktionen. Spelet som används för att testa teknikerna är Kinaschack. Resultaten antyder att tekniken i fokus inte fungerar till spelet Kinaschack. En undersökning där tekniken modifierades så att samevolution byttes ut gav ett bättre resultat. Detta behöver inte betyda att problemet är samevolution Men det tyder på att det är en faktor. Tekniken som arbetet fokuserar på är baserad på ett tidigare arbete där spelet Dam användes. Eftersom tekniken har visats fungera tidigare skulle det vara intressant att testa den med fler spel. I slutet av arbetet diskuteras en variant av tekniken för spelet Schack.
|
30 |
AI TILL BRÄDSPEL : En jämförelse mellan två olika sökalgoritmer vid implementation av AI tillbrädspelet Pentago. / AI FOR BOARD GAMES : A comparison of two search algorithms by implementation of AI for the board gamePentago.Johnsson, Sigrid January 2014 (has links)
I det här arbetet undersöks och jämförs två olika sökalgoritmer när de används för implementation av AI-spelare till brädspelet Pentago. De två algoritmerna som användes var alfa-betabeskärning och en nyare algoritm som kombinerar genetiska algoritmer och minimax, kallad genetisk minimax. Utvärderingen av resultaten visar att alfa-betabeskärning passar bättre vid implementation av en AI till Pentago än genetisk minimax. Alfa-betabeskärning med ytterligare optimeringar har potential att lämpa sig väldigt väl för implementation av spelare till Pentago. Ytterligare visar resultaten att genetisk minimax inte är en passande algoritm för AI till Pentago. För eventuella framtida arbeten föreslås ytterligare arbete och förbättringar på implementationen av alfa-betabeskärning. Genetisk minimax har potential att fungera bättre vid implementation av AI till andra brädspel. Därför föreslås även framtida arbeten av implementationer av genetisk minimax inom områden och spel som kan vara mer passande.
|
Page generated in 0.0958 seconds